近日，亞馬遜的AI工程師們開發(fā)了一種新奇的方式研究用戶喜歡且產(chǎn)生共鳴的音樂類型：將循環(huán)播放時長作為一種“隱藏的推薦系統(tǒng)”。機器學習科學家兼科研論文的第一作者Bo Xiao，在亞馬遜的官博中詳細描述了這種方法。

背景：對于Alexa這種語音助手來說，區(qū)別兩首名字相似的歌曲很困難，比如萊昂納爾·里奇的《Hello》跟阿黛爾的《Hello》。解決這種問題的一個辦法就是讓助手總是選擇用戶應(yīng)該會更喜歡的歌曲，但是Xiao指出，這說來輕松做起來其實很難。用戶通常并不會在Alexa等語音助手平臺上為常聽的歌曲打分，而且通過常聽的歌曲不一定能預(yù)測出用戶的音樂喜好。

Xiao寫道：“為了能更好為顧客提供服務(wù)，Alexa應(yīng)該能針對模棱兩可的答案進行合理的推測。我們使用機器學習來分析歌曲循環(huán)時長的數(shù)據(jù)，以此來推斷用戶的音樂喜好，然后使用協(xié)同過濾的方式來預(yù)測用戶是否會喜歡一首從沒播過的歌曲?！?/p>

在一份名為“對話系統(tǒng)中基于歌曲播放時長的關(guān)聯(lián)建?！敝?，Xiao和團隊論證到，因為如果用戶不喜歡聽一首歌就會暫停播放，改放喜歡的歌曲，搜集這些數(shù)據(jù)可以用來訓練使用機器學習的推薦引擎。

科研團隊將歌曲分為兩個類別：1，播放不到30秒的歌曲。2，播放時長超過30秒的歌曲。他們將這兩個類別在矩陣網(wǎng)格上分別用兩個數(shù)字表示，第一類歌曲標為-1分，第二類標為1分。

為了將與音樂喜好無關(guān)、播放被打斷（比如不小心播放后立刻暫停）考慮在內(nèi)，科研團隊使用了權(quán)重函數(shù)。舉個例子，播放了25秒的歌曲的權(quán)重（分量）大于播放1秒的，播放三分鐘的權(quán)重也大于播放兩分鐘的。

【注：權(quán)重函數(shù)是在加和、平均、整合或其他運算中為了突出某個元素比其它元素“重”而引入的數(shù)學概念。經(jīng)常用于數(shù)理統(tǒng)計和分析以及與測量休戚相關(guān)的學科中。權(quán)重函數(shù)可以是離散的（非線性），也可以是線性的?！?/p>

Xiao還表示，評估推算出的用戶喜愛分數(shù)時，科研團隊發(fā)現(xiàn)結(jié)果準度很高，說明這個AI模型足夠有效。另外，科研人員計劃在未來將它應(yīng)用在音樂以外的內(nèi)容上，比如有聲讀物和視頻等。

參考：Venture Beat